Statistisk modellering af meldugangreb i vinterhvede. Analyse på baggrund af observationer i Registreringsnettet
|
|
|
- Edvard Bundgaard
- 7 år siden
- Visninger:
Transkript
1 Statistisk modellering af meldugangreb i vinterhvede Analyse på baggrund af observationer i Registreringsnettet Rapporten beskriver den statistiske model samt analysens resultater Jens Bligaard 2008
2 Indhold SAS... 2 Modelberegninger i MarkVarsling... 2 Planteværn Online beregning... 3 SAS Model... 3 Resultater... 5 SAS Datasættet består af i alt meldug-observationer fra planteavlskonsulenternes registstreringsnet fordelt på perioden Eftersom angrebetaf meldug er opgjort i procent(0 100%), er der anvendt en generaliseret lineær model (Proc GENMOD) med en logistisk link funktion til data analysen. Logit transformation af data resulterer i rette linier, som modellen netop kan håndtere. Som forklarende variabler anvendes klassevariablerne hostaarsgruppe, saatid, jordtype, modtagelighedsklasse og ugenummer. Modellen køres igennem med to høstårsgrupper svarende til tidligt (lunt) hhv. sent forår (koldt). Opdelingen mellem tidlige og sene år sker ud fra en visuel vurdering af rådata. Såtid angives som meget tidligt eller normal-sen såning. Jordtype som sand eller ler, og modtagelighedsklasse 0, 1 eller 2+3 Der indsættes vekselvirkning mellem Ugenummer og alle de øvrige således, at ikke blot skæringen med x-aksen men også hældningen påvirkes af alle de andre variabler. Modelberegninger i MarkVarsling Den statistiske analyse endte med signifikant virkning af hostaargrpp (2) * saatid (2) * jordtype (2) * modtagelighedsklasse (3). Dette resulterer i 12 rette linier (med estimater for hældning og skæring med x-aksen) for hhv. tidlig og sen høstårsgruppe. Indtil der kan dannes en ret linie ud fra mindst to observationer i hver af disse 12 situationer antages det af forsigtighedsgrunde, at høstårsgruppen tilhører tidlig - gruppen, og det er det, vi predikterer linie pred ud fra. Så snart vi derimod har to pålidelige punkter, kan vi beregne den nye rette linie baseret på disse observerede data (linie obs). For fortsat at læne os op ad det statiske datagrundlag, beregner vi nu en linie, der ligger præcis ½ vejs fra den nærmeste af de to høstårsgruppelinier og linie obs. Den fremkomne linie pred defineres hermed som det bedste bud på angrebsgraden. Næste gang, dvs. næste uge, når vi har tre punkter gentages beregningerne, med den forskel, at linie pred nu placeres kun 1/3 fra linie obs og 2/3 fra høstårsgruppelinien. Ved fire punkter er den kun ¼ fra linie obs osv. På denne måde nærmer linie pred sig asymptotisk til linie obs uge for uge. Når linie pred er beregnet, tilbagetransformeres (INV Logit) de predikterede data til en ny sigmoid kurve for den pågældende kombination af saatid, jordtype og modtagelighedsklasse. 2
3 Planteværn Online beregning Den fremkomne predikterede angrebsgrad for den pågældende mark sendes efterfølgende igennem PVO-modellen, der beregner behovet for bekæmpelse samt forslag til middelvalg og dosering. Er der behov for bekæmpelse, listes det billigste forslag, som matcher midler allerede planlagt i dyrkningsplanen, som bekæmpelsesforslag i MarkVarsling Online. Derudover sender systemet automatisk en sms til den pågældende landmand. SAS Model /* Proc GLM på predicterede (logit-transformerede) data fra PROC GENMOD Modellen giver hældning og intercept (SOLUTION) s:\planteavlsit\produkter\markvarsling\...\meldug_sas_jeb\procgenmod_uden_region_paramete restimates.sas 26/05/08 = dato for oprettelse af modellen 12/11/08 = dato for seneste redigering af sas-program */ DATA a; SET meldug.raadata; vaerdi=vaerdi/100; AntalIalt=1.00; /*Nu kigges der kun på 0 = 'meget tidligt sået' og 1 = 'normalt-sent sået*/ IF saatid = 2 THEN saatid = 1; /*Nu slås modtagelighedsklasse 2 og 3 sammen af hansyn til at modellen konvergerer*/ /* dvs. der er tre modtagelighedsklasser: 0, 1 og '2-3'*/ IF modtagelighedsklasse = 3 THEN modtagelighedsklasse = 2; /*Opdeling i tidlige (lune) foraar hhv. sene (kolde) foraar*/ IF hostaar = 2002 OR hostaar = 2003 OR hostaar = 2007 OR hostaar = 2004 THEN hostaargrpp = 'Tidligt foraar'; IF hostaar = 2000 OR hostaar = 2005 OR hostaar = 2006 THEN hostaargrpp = ' Sent foraar'; RUN; ***********Generering af nyt output SAS dataset ud fra resultat i PROC GENMOD**********; ODS LISTING; ***********Binomialfordelingsmodel med logit transformation************; PROC GENMOD DATA=a; CLASS hostaargrpp saatid jordtype modtagelighedsklasse; MODEL vaerdi/antalialt = /*ugenummer hostaargrpp saatid jordtype modtagelighedsklasse*/ saatid jordtype modtagelighedsklasse ugenummer hostaargrpp ugenummer*hostaargrpp ugenummer*saatid ugenummer*jordtype ugenummer*modtagelighedsklasse hostaargrpp*saatid 3
4 RUN; ODS LISTING ; hostaargrpp*jordtype hostaargrpp*modtagelighedsklasse saatid*jordtype saatid*modtagelighedsklasse jordtype*modtagelighedsklasse ugenummer*hostaargrpp*saatid ugenummer*hostaargrpp*jordtype ugenummer*hostaargrpp*modtagelighedsklasse ugenummer*saatid*jordtype ugenummer*saatid*modtagelighedsklasse ugenummer*jordtype*modtagelighedsklasse hostaargrpp*saatid*jordtype hostaargrpp*saatid*modtagelighedsklasse hostaargrpp*jordtype*modtagelighedsklasse saatid*jordtype*modtagelighedsklasse ugenummer*hostaargrpp*saatid*jordtype /*Nedenstående vekselvirkninger er non-signifikante*/ /*ugenummer*hostaargrpp*saatid*modtagelighedsklasse*/ /*ugenummer*saatid*jordtype*modtagelighedsklasse*/ /*hostaargrpp*saatid*jordtype*modtagelighedsklasse*/ /*ugenummer*hostaargrpp*saatid*jordtype*modtagelighedsklasse*/ / DIST = binomial LINK = logit PSCALE /*OBSTATS*/ TYPE1 TYPE3 ; ; OUTPUT OUT=ModelOutput1 XBETA=LogitPred PREDICTED=Predic1; PROC SORT DATA=ModelOutput1; BY hostaargrpp saatid jordtype modtagelighedsklasse ugenummer; ODS OUTPUT ParameterEstimates=ParamEst_GLM_tidl_sen; PROC GLM; MODEL LogitPred = ugenummer / SOLUTION; BY hostaargrpp saatid jordtype modtagelighedsklasse; OUTPUT OUT=ModelOutput2 PREDICTED=LogitPredic2; /*Bemærk Predic1 (stammer fra GENMOD) = Predic2 (stammer fra GLM)*/ DATA ModelOutput2; SET ModelOutput1 ModelOutput2; Predic2=EXP(LogitPredic2)/(1+EXP(Logitpredic2)); GOPTIONS colors=(black) ftitle=swissb ftext=swiss htitle=2.5 htext=1.25 norotate; TITLE1 'Meldugmodel'; FOOTNOTE1 h=1 j=l 'Registreringsnettet(R) ' j=r 'JEB '; SYMBOL1 V=triangle I=join C=red; SYMBOL2 V=square I=join C=green; SYMBOL3 V=none I=stdj C=red; SYMBOL4 V=none I=stdj C=green; AXIS2 AXIS1 RUN; label=(angle=90 'Angrebsgrad') order= (0 to 1 by.2); label= ('Ugenummer'); PROC SORT; BY hostaargrpp saatid jordtype modtagelighedsklasse ugenummer; 4
5 /*Udskrift af obs. vs. predicted*/ /*PROC GPLOT UNIFORM; PLOT predic1 * ugenummer vaerdi * ugenummer / OVERLAY VAXIS = AXIS2 HAXIS = AXIS1; BY hostaargrpp saatid jordtype modtagelighedsklasse ; /*Udskrift af predikterede linier vs. ugenummer opdelt på hhv. tidligt og sent foraar*/ PROC SORT; BY saatid jordtype modtagelighedsklasse ugenummer; PROC GPLOT UNIFORM; PLOT Predic1 * ugenummer = hostaargrpp; *PLOT2 vaerdi * ugenummer = hostaargrpp; BY saatid jordtype modtagelighedsklasse; RUN; QUIT; ; Resultater The SAS System 07:11 Friday, March 27, Model Information Data Set WORK.A Distribution Binomial Link Function Logit Response Variable (Events) vaerdi vaerdi Response Variable (Trials) AntalIalt Number of Observations Read Number of Observations Used Number of Events Number of Trials Class Level Information Class Levels Values hostaargrpp 2 Sent foraar Tidligt foraar saatid jordtype modtagelighedsklasse Criteria For Assessing Goodness Of Fit Criterion DF Value Value/DF Deviance 13E Scaled Deviance 13E Pearson Chi-Square 13E Scaled Pearson X2 13E Log Likelihood
6 The SAS System 07:11 Friday, March 27, Algorithm converged. Analysis Of Parameter Estimates Standard Wald 95% Confidence Chi- Parameter DF Estimate Error Limits Square Pr > ChiSq Intercept <.0001 saatid saatid jordtype jordtype modtagelighedsklasse modtagelighedsklasse <.0001 modtagelighedsklasse ugenummer <.0001 hostaargrpp Sent foraar hostaargrpp Tidligt foraar ugenummer*hostaargrp Sent foraar ugenummer*hostaargrp Tidligt foraar ugenummer*saatid ugenummer*saatid ugenummer*jordtype <.0001 ugenummer*jordtype ugenummer*modtagelig ugenummer*modtagelig ugenummer*modtagelig hostaargrpp*saatid Sent foraar hostaargrpp*saatid Sent foraar hostaargrpp*saatid Tidligt foraar hostaargrpp*saatid Tidligt foraar hostaargrpp*jordtype Sent foraar hostaargrpp*jordtype Sent foraar hostaargrpp*jordtype Tidligt foraar hostaargrpp*jordtype Tidligt foraar hostaargr*modtagelig Sent foraar
7 The SAS System 07:11 Friday, March 27, Analysis Of Parameter Estimates Standard Wald 95% Confidence Chi- Parameter DF Estimate Error Limits Square Pr > ChiSq hostaargr*modtagelig Sent foraar hostaargr*modtagelig Sent foraar hostaargr*modtagelig Tidligt foraar hostaargr*modtagelig Tidligt foraar hostaargr*modtagelig Tidligt foraar saatid*jordtype <.0001 saatid*jordtype saatid*jordtype saatid*jordtype saatid*modtagelighed saatid*modtagelighed saatid*modtagelighed saatid*modtagelighed saatid*modtagelighed saatid*modtagelighed jordtype*modtageligh jordtype*modtageligh jordtype*modtageligh jordtype*modtageligh jordtype*modtageligh jordtype*modtageligh ugenum*hostaa*saatid Sent foraar ugenum*hostaa*saatid Sent foraar ugenum*hostaa*saatid Tidligt foraar ugenum*hostaa*saatid Tidligt foraar ugenum*hostaa*jordty Sent foraar ugenum*hostaa*jordty Sent foraar ugenum*hostaa*jordty Tidligt foraar ugenum*hostaa*jordty Tidligt foraar ugenum*hostaa*modtag Sent foraar ugenum*hostaa*modtag Sent foraar ugenum*hostaa*modtag Sent foraar
8 The SAS System 07:11 Friday, March 27, Analysis Of Parameter Estimates Standard Wald 95% Confidence Chi- Parameter DF Estimate Error Limits Square Pr > ChiSq ugenum*hostaa*modtag Tidligt foraar ugenum*hostaa*modtag Tidligt foraar ugenum*hostaa*modtag Tidligt foraar ugenum*saatid*jordty <.0001 ugenum*saatid*jordty ugenum*saatid*jordty ugenum*saatid*jordty ugenum*saatid*modtag ugenum*saatid*modtag ugenum*saatid*modtag ugenum*saatid*modtag ugenum*saatid*modtag ugenum*saatid*modtag ugenum*jordty*modtag ugenum*jordty*modtag ugenum*jordty*modtag ugenum*jordty*modtag ugenum*jordty*modtag ugenum*jordty*modtag hostaa*saatid*jordty Sent foraar hostaa*saatid*jordty Sent foraar hostaa*saatid*jordty Sent foraar hostaa*saatid*jordty Sent foraar hostaa*saatid*jordty Tidligt foraar hostaa*saatid*jordty Tidligt foraar hostaa*saatid*jordty Tidligt foraar hostaa*saatid*jordty Tidligt foraar hostaa*saatid*modtag Sent foraar hostaa*saatid*modtag Sent foraar hostaa*saatid*modtag Sent foraar hostaa*saatid*modtag Sent foraar hostaa*saatid*modtag Sent foraar
9 The SAS System 07:11 Friday, March 27, Analysis Of Parameter Estimates Standard Wald 95% Confidence Chi- Parameter DF Estimate Error Limits Square Pr > ChiSq hostaa*saatid*modtag Sent foraar hostaa*saatid*modtag Tidligt foraar hostaa*saatid*modtag Tidligt foraar hostaa*saatid*modtag Tidligt foraar hostaa*saatid*modtag Tidligt foraar hostaa*saatid*modtag Tidligt foraar hostaa*saatid*modtag Tidligt foraar hostaa*jordty*modtag Sent foraar hostaa*jordty*modtag Sent foraar hostaa*jordty*modtag Sent foraar hostaa*jordty*modtag Sent foraar hostaa*jordty*modtag Sent foraar hostaa*jordty*modtag Sent foraar hostaa*jordty*modtag Tidligt foraar hostaa*jordty*modtag Tidligt foraar hostaa*jordty*modtag Tidligt foraar hostaa*jordty*modtag Tidligt foraar hostaa*jordty*modtag Tidligt foraar hostaa*jordty*modtag Tidligt foraar saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag saatid*jordty*modtag ugen*host*saat*jordt Sent foraar
10 The SAS System 07:11 Friday, March 27, Analysis Of Parameter Estimates Standard Wald 95% Confidence Chi- Parameter DF Estimate Error Limits Square Pr > ChiSq ugen*host*saat*jordt Sent foraar ugen*host*saat*jordt Sent foraar ugen*host*saat*jordt Sent foraar ugen*host*saat*jordt Tidligt foraar ugen*host*saat*jordt Tidligt foraar ugen*host*saat*jordt Tidligt foraar ugen*host*saat*jordt Tidligt foraar Scale NOTE: The scale parameter was estimated by the square root of Pearson's Chi-Square/DOF. LR Statistics For Type 1 Analysis Chi- Source Deviance Num DF Den DF F Value Pr > F Square Pr > ChiSq Intercept saatid < <.0001 jordtype < <.0001 modtagelighedsklasse < <.0001 ugenummer < <.0001 hostaargrpp < <.0001 ugenummer*hostaargrp ugenummer*saatid < <.0001 ugenummer*jordtype ugenummer*modtagelig hostaargrpp*saatid hostaargrpp*jordtype hostaargr*modtagelig < <.0001 saatid*jordtype saatid*modtagelighed
11 The SAS System 07:11 Friday, March 27, LR Statistics For Type 1 Analysis Chi- Source Deviance Num DF Den DF F Value Pr > F Square Pr > ChiSq jordtype*modtageligh ugenum*hostaa*saatid ugenum*hostaa*jordty ugenum*hostaa*modtag ugenum*saatid*jordty < <.0001 ugenum*saatid*modtag ugenum*jordty*modtag < <.0001 hostaa*saatid*jordty hostaa*saatid*modtag < <.0001 hostaa*jordty*modtag saatid*jordty*modtag < <.0001 ugen*host*saat*jordt LR Statistics For Type 3 Analysis Chi- Source Num DF Den DF F Value Pr > F Square Pr > ChiSq saatid jordtype modtagelighedsklasse ugenummer < <.0001 hostaargrpp < <.0001 ugenummer*hostaargrp ugenummer*saatid ugenummer*jordtype ugenummer*modtagelig hostaargrpp*saatid hostaargrpp*jordtype hostaargr*modtagelig saatid*jordtype
12 The SAS System 07:11 Friday, March 27, LR Statistics For Type 3 Analysis Chi- Source Num DF Den DF F Value Pr > F Square Pr > ChiSq saatid*modtagelighed jordtype*modtageligh ugenum*hostaa*saatid ugenum*hostaa*jordty ugenum*hostaa*modtag ugenum*saatid*jordty ugenum*saatid*modtag ugenum*jordty*modtag hostaa*saatid*jordty hostaa*saatid*modtag < <.0001 hostaa*jordty*modtag saatid*jordty*modtag < <.0001 ugen*host*saat*jordt
Afdeling for Anvendt Matematik og Statistik Januar Regressionsanalyse i SAS 2. Regressionsanalyse med GLM Sammenligning af regressionslinier
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Inge Henningsen Afdeling for Anvendt Matematik og Statistik Januar 2007 2 Regressionsanalyse med GLM Sammenligning af regressionslinier
Statistiske Modeller 1: Kontingenstabeller i SAS
Statistiske Modeller 1: Kontingenstabeller i SAS Jens Ledet Jensen October 31, 2005 1 Indledning Som vist i Notat 1 afsnit 13 er 2 log Q for et test i en multinomialmodel ækvivalent med et test i en poissonmodel.
Regressionsanalyse i SAS
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Inge Henningsen Afdeling for Anvendt Matematik og Statistik December 2006 Regressionsanalyse uden gentagelser Regressionsanalyse
MPH specialmodul i epidemiologi og biostatistik. SAS. Introduktion til SAS. Eksempel: Blodtryk og fedme
MPH specialmodul i epidemiologi og biostatistik. SAS Introduktion til SAS. Display manager (programmering) Vinduer: program editor (med syntaks-check) log output reproducerbart (program teksten kan gemmes
Kursus i varians- og regressionsanalyse Data med detektionsgrænse. Birthe Lykke Thomsen H. Lundbeck A/S
Kursus i varians- og regressionsanalyse Data med detektionsgrænse Birthe Lykke Thomsen H. Lundbeck A/S 1 Data med detektionsgrænse Venstrecensurering: Baggrundsstøj eller begrænsning i måleudstyrets følsomhed
MPH specialmodul i epidemiologi og biostatistik. SAS. Introduktion til SAS. Eksempel: Blodtryk og fedme
MPH specialmodul i epidemiologi og biostatistik. SAS Introduktion til SAS. Display manager (programmering) Vinduer: program editor (med syntaks-check) log output reproducerbart (program teksten kan gemmes
Løsning til opgave i logistisk regression
Løsning til øvelser i logistisk regression, november 2008 1 Løsning til opgave i logistisk regression 1. Først indlæses data, og vi kan lige sørge for at danne en dummy-variable for cml, som indikator
Opgavebesvarelse, korrelerede målinger
Opgavebesvarelse, korrelerede målinger I 18 familier bestående af far, mor og 3 børn (i veldefinerede aldersintervaller, med child1 som det ældste barn og child3 som det yngste) har man registreret antallet
Man indlæser en såkaldt frequency-table i SAS ved følgende kommandoer:
1 IHD-Lexis 1.1 Spørgsmål 1 Man indlæser en såkaldt frequency-table i SAS ved følgende kommandoer: data ihdfreq; input eksp alder pyrs cases; lpyrs=log(pyrs); cards; 0 2 346.87 2 0 1 979.34 12 0 0 699.14
k normalfordelte observationsrækker (ensidet variansanalyse)
k normalfordelte observationsrækker (ensidet variansanalyse) Lad x ij, i = 1,...,k, j = 1,..., n i, være udfald af stokastiske variable X ij og betragt modellen M 1 : X ij N(µ i, σ 2 ). Estimaterne er
Variansanalyse i SAS. Institut for Matematiske Fag December 2007
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Institut for Matematiske Fag December 2007 Variansanalyse i SAS 2 Tosidet variansanalyse Residualplot Tosidet variansanalyse
β = SDD xt SSD t σ 2 s 2 02 = SSD 02 f 02 i=1
Lineær regression Lad x 1,..., x n være udfald af stokastiske variable X 1,..., X n og betragt modellen M 2 : X i N(α + βt i, σ 2 ) hvor t i, i = 1,..., n, er kendte tal. Konkret analyseres (en del af)
Naturvidenskabelig Bacheloruddannelse Forår 2006 Matematisk Modellering 1 Side 1
Matematisk Modellering 1 Side 1 I nærværende opgavesæt er der 16 spørgsmål fordelt på 4 opgaver. Ved bedømmelsen af besvarelsen vægtes alle spørgsmål lige. Endvidere lægges der vægt på, at det af besvarelsen
Køn. Holdning Mænd Kvinder Ialt JA NEJ VED IKKE
Økonomisk Kandidateksamen Teoretisk Statistik Eksamenstermin: Sommer 2004, dato: 3. juni 4 timers prøve med alle hjælpemidler, besvarelse på Dansk Opgave En simpel tilfældig stikprøve på 500 udtrukket
Det kunne godt se ud til at ikke-rygere er ældre. Spredningen ser ud til at være nogenlunde ens i de to grupper.
1. Indlæs data. * HUSK at angive din egen placering af filen; data framing; infile '/home/sro00/mph2016/framing.txt' firstobs=2; input id sex age frw sbp sbp10 dbp chol cig chd yrschd death yrsdth cause;
Lineær regression. Simpel regression. Model. ofte bruges følgende notation:
Lineær regression Simpel regression Model Y i X i i ofte bruges følgende notation: Y i 0 1 X 1i i n i 1 i 0 Findes der en linie, der passer bedst? Metode - Generel! least squares (mindste kvadrater) til
Vejledende besvarelse af hjemmeopgave i Basal Statistik, forår 2014
Vejledende besvarelse af hjemmeopgave i Basal Statistik, forår 2014 Garvey et al. interesserer sig for sammenhængen mellem anæstesi og allergiske reaktioner (se f.eks. nedenstående reference, der dog ikke
Besvarelse af opgave om Vital Capacity
Besvarelse af opgave om Vital Capacity hentet fra P. Armitage & G. Berry: Statistical methods in medical research. 2nd ed. Blackwell, 1987. Spørgsmål 1: Indlæs data og konstruer en faktor (klassevariabel)
Faculty of Health Sciences. Basal Statistik. Logistisk regression mm. Lene Theil Skovgaard. 5. marts 2018
Faculty of Health Sciences Basal Statistik Logistisk regression mm. Lene Theil Skovgaard 5. marts 2018 1 / 22 APPENDIX vedr. SPSS svarende til diverse slides: To-gange-to tabeller, s. 3 Plot af binære
Reeksamen i Statistik for biokemikere. Blok
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for biokemikere. Blok 2 2007-2008. 3 timers skriftlig prøve. Alle hjælpemidler - også blyant - er tilladt. Opgavesættet er
Faculty of Health Sciences. Logistisk regression: Kvantitative forklarende variable
Faculty of Health Sciences Logistisk regression: Kvantitative forklarende variable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Sammenhæng
Lineær regression i SAS. Lineær regression i SAS p.1/20
Lineær regression i SAS Lineær regression i SAS p.1/20 Lineær regression i SAS Simpel lineær regression Grafisk modelkontrol Multipel lineær regression SAS-procedurer: PROC REG PROC GPLOT Lineær regression
Eksamen i Statistik for Biokemikere, Blok januar 2009
Københavns Universitet Det Naturvidenskabelige Fakultet Eksamen i Statistik for Biokemikere, Blok 2 2008 09 19. januar 2009 Alle hjælpemidler er tilladt, og besvarelsen må gerne skrives med blyant. Opgavesættet
Dagens Temaer. Test for lineær regression. Test for lineær regression - via proc glm. k normalfordelte obs. rækker i proc glm. p. 1/??
Dagens Temaer k normalfordelte obs. rækker i proc glm. Test for lineær regression Test for lineær regression - via proc glm p. 1/?? Proc glm Vi indlæser data i datasættet stress, der har to variable: areal,
En Introduktion til SAS. Kapitel 5.
En Introduktion til SAS. Kapitel 5. Inge Henningsen Afdeling for Statistik og Operationsanalyse Københavns Universitet Marts 2005 6. udgave Kapitel 5 T-test og PROC UNIVARIATE 5.1 Indledning Dette kapitel
Opgavebesvarelse, logistisk regression
Opgavebesvarelse, logistisk regression Data ligger i rop.xls på kursushjemmesiden: http://staff.pubhealth.ku.dk/ jufo/courses/logistic/ Når du har gemt data på din computer, kan det indlæses i SAS med
Reeksamen i Statistik for Biokemikere 6. april 2009
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for Biokemikere 6. april 2009 Alle hjælpemidler er tilladt, og besvarelsen må gerne skrives med blyant. Opgavesættet er på
Afdeling for Anvendt Matematik og Statistik December 2006
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Inge Henningsen Afdeling for Anvendt Matematik og Statistik December 2006 i SAS (Zar kapitel 23) PROC FREQ PROC CATMOD
Institut for Matematiske Fag Matematisk Modellering 1 UGESEDDEL 6
Institut for Matematiske Fag Matematisk Modellering 1 Aarhus Universitet Eva B. Vedel Jensen 25. februar 2008 UGESEDDEL 6 Forelæsningerne torsdag den 21. februar og tirsdag den 26. februar. Jeg har gennemgået
Vejledende besvarelse af hjemmeopgave i Basal statistik for lægevidenskabelige forskere, forår 2013
Vejledende besvarelse af hjemmeopgave i Basal statistik for lægevidenskabelige forskere, forår 2013 I forbindelse med reagensglasbehandling blev 100 par randomiseret til to forskellige former for hormonstimulation.
Program. Logistisk regression. Eksempel: pesticider og møl. Odds og odds-ratios (igen)
Faculty of Life Sciences Program Logistisk regression Claus Ekstrøm E-mail: ekstrom@life.ku.dk Odds og odds-ratios igen Logistisk regression Estimation og inferens Modelkontrol Slide 2 Statistisk Dataanalyse
Logistisk regression. Basal Statistik for medicinske PhD-studerende November 2008
Logistisk regression Basal Statistik for medicinske PhD-studerende November 2008 Bendix Carstensen Steno Diabetes Center, Gentofte & Biostatististisk afdeling, Københavns Universitet bxc@steno.dk www.biostat.ku.dk/~bxc
Besvarelse af vitcap -opgaven
Besvarelse af -opgaven Spørgsmål 1 Indlæs data Dette gøres fra Analyst med File/Open, som sædvanlig. Spørgsmål 2 Beskriv fordelingen af vital capacity og i de 3 grupper ved hjælp af summary statistics.
Simpel og multipel logistisk regression
Faculty of Health Sciences Logistisk regression Simpel og multipel logistisk regression 16. Maj 2012 Analyse af en binær responsvariabel. syg/rask, død/levende, ja/nej... Ud fra en eller flere forklarende
Opgaver til ZAR II. Afdeling for Anvendt Matematik og Statistik Michael Sørensen Oktober Opgave 1
Københavns Universitet Afdeling for Anvendt Matematik og Statistik Statistik for biokemikere Inge Henningsen Michael Sørensen Oktober 2003 Opgaver til ZAR II Opgave 1 Et datasæt består af 20 observationer.
Basal Statistik Logistisk Regression. Dagens Tekst E Sædvanlig Linear Regression (Repetition) Basal Statistik - Logistisk regression 1
Basal Statistik Logistisk Regression Judith L. Jacobsen, PhD. Lene Theil Skovgaard http://staff.pubhealth.ku.dk/~lts/basal13_ jlj@statcon.dk Dagens Tekst Logistisk regression Binære data Logit transformation
Logistisk Regression - fortsat
Logistisk Regression - fortsat Likelihood Ratio test Generel hypotese test Modelanalyse Indtil nu har vi set på to slags modeller: 1) Generelle Lineære Modeller Kvantitav afhængig variabel. Kvantitative
n r x rs x r = 1 n r s=1 (x rs x r ) 2, s=1
(a) Denne opgave bygger på resultaterne fra 2 forsøg med epo-behandling af for tidligt fødte børn, idet gruppe 1 og 3 stammer fra første forsøg, mens gruppe 2 og 4 stammer fra det andet. Det må antages,
Vejledende besvarelse af hjemmeopgave, efterår 2016
Vejledende besvarelse af hjemmeopgave, efterår 2016 Udleveret 4. oktober, afleveres senest ved øvelserne i uge 44 (1.-4. november) Normal aktivitet af enzymet plasma kolinesterase er en forudsætning for
Vi ønsker at konstruere normalområder for stofskiftet, som funktion af kropsvægten.
Opgavebesvarelse, Resting metabolic rate I filen T:\rmr.txt findes sammenhørende værdier af kropsvægt (bw, i kg) og hvilende stofskifte (rmr, kcal pr. døgn) for 44 kvinder (Altman, 1991 og Owen et.al.,
Uge 13 referat hold 4
Uge 13 referat hold 4 Gruppearbejde 1a: Er variablen kvotient inkluderet på en hensigtsmæssig måde? Der er to problemer med kvotient: 1) Den er trunkeret ved 6.9 og 10.0, løsningen er at indføre dummyer
Multipel Linear Regression. Repetition Partiel F-test Modelsøgning Logistisk Regression
Multipel Linear Regression Repetition Partiel F-test Modelsøgning Logistisk Regression Test for en eller alle parametre I jagten på en god statistisk model har vi set på følgende to hypoteser og tilhørende
Eksamen i Statistik for biokemikere. Blok
Københavns Universitet Det Naturvidenskabelige Fakultet Eksamen i Statistik for biokemikere. Blok 2 2007. 3 timers skriftlig prøve. Alle hjælpemidler - også blyant - er tilladt. Opgavesættet er på 8 sider.
1. Lav en passende arbejdstegning, der illustrerer samtlige enkeltobservationer.
Vejledende besvarelse af hjemmeopgave Basal statistik, efterår 2008 En gruppe bestående af 45 patienter med reumatoid arthrit randomiseres til en af 6 mulige behandlinger, nemlig placebo, aspirin eller
Øvelser til basalkursus, 5. uge. Opgavebesvarelse: Knogledensitet hos unge piger
Øvelser til basalkursus, 5. uge Opgavebesvarelse: Knogledensitet hos unge piger I alt 112 piger har fået målt knogledensitet (bone mineral density, bmd) i 11-års alderen (baseline værdi). Pigerne er herefter
Postoperative komplikationer
Løsninger til øvelser i kategoriske data, oktober 2008 1 Postoperative komplikationer Udgangspunktet for vurdering af den ny metode må være en nulhypotese om at der er samme komplikationshyppighed, 20%.
Øvelser til basalkursus, 5. uge. Opgavebesvarelse: Knogledensitet hos unge piger
Øvelser til basalkursus, 5. uge Opgavebesvarelse: Knogledensitet hos unge piger I alt 112 piger har fået målt knogledensitet (bone mineral density, bmd) i 11-års alderen (baseline værdi). Pigerne er herefter
Multipel regression. M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model
Multipel regression M variable En afhængig (Y) M-1 m uafhængige / forklarende / prædikterende (X 1 til X m ) Model Y j 1 X 1j 2 X 2j... m X mj j eller m Y j 0 i 1 i X ij j BEMÆRK! j svarer til individ
CLASS temp medie; MODEL rate=temp medie/solution; RUN;
Ugeopgave 2.1 Bakterieprøver fra patienter transporteres ofte til laboratoriet ved stuetemperatur samt mere eller mindre udsat for luftens ilt. Dette er især uheldigt for prøver som indeholder anaerobe
Opgavebesvarelse, brain weight
Opgavebesvarelse, brain weight (Matthews & Farewell: Using and Understanding Medical Statistics, 2nd. ed.) Spørgsmål 1 Data er indlagt på T:/Basalstatistik/brain.txt og kan indlæses direkte i Analyst med
Løsning til øvelsesopgaver dag 4 spg 5-9
Løsning til øvelsesopgaver dag 4 spg 5-9 5: Den multiple model Vi tilføjer nu yderligere to variable til vores model : Køn og kolesterol SBP = a + b*age + c*chol + d*mand hvor mand er 1 for mænd, 0 for
Restsaltmængdernes afhængighed af trafikken,
Restsaltmængdernes afhængighed af trafikken, Thomas Glue, marts 2. Trafikintensitet...2 Indledende definitioner...2 Regressionsanalyser på trafikintensiteten...6 Justering af restsaltmængder i henhold
Introduktion til GLIMMIX
Introduktion til GLIMMIX Af Jens Dick-Nielsen jens.dick-nielsen@haxholdt-company.com 21.08.2008 Proc GLIMMIX GLIMMIX kan bruges til modeller, hvor de enkelte observationer ikke nødvendigvis er uafhængige.
Vejledende besvarelse af hjemmeopgave, forår 2017
Vejledende besvarelse af hjemmeopgave, forår 2017 På hjemmesiden http://publicifsv.sund.ku.dk/~lts/basal17_1/hjemmeopgave/hjemmeopgave.txt ligger data fra 400 fødende kvinder. Der er tale om et uddrag
Besvarelse af juul2 -opgaven
Besvarelse af juul2 -opgaven Spørgsmål 1 Indlæs data Dette gøres fra Analyst med File/Open, som sædvanlig. Spørgsmål 2 Lav regressionsanalyser for hvert køn af igf1 vs. alder for præpubertale (Tanner stadium
Reeksamen i Statistik for biokemikere. Blok 3 2007.
Københavns Universitet Det Naturvidenskabelige Fakultet Reeksamen i Statistik for biokemikere. Blok 3 2007. Opgave 1. 3 timers skriftlig prøve. Alle hjælpemidler - også blyant - er tilladt. Opgavesættet
Vejledende besvarelse af hjemmeopgave
Vejledende besvarelse af hjemmeopgave Basal statistik, efterår 2013 Udleveret 1. oktober, afleveres senest ved øvelserne i uge 44 (29. oktober-1. november) I forbindelse med en undersøgelse af vitamin
Variansanalyse i SAS 1. Institut for Matematiske Fag December 2007
Københavns Universitet Statistik for Biokemikere Det naturvidenskabelige fakultet Institut for Matematiske Fag December 2007 Variansanalyse i SAS 1 Ensidet variansanalyse Bartlett s test Tukey s test PROC
Lineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Dagens program Lineær regression
Opgavebesvarelse, brain weight
Opgavebesvarelse, brain weight (Matthews & Farewell: Using and Understanding Medical Statistics, 2nd. ed.) For 20 nyfødte mus er der i tabellen nedenfor anført oplysning om kuldstørrelsen (fra 3 til 12
Vejledende besvarelse af hjemmeopgave, efterår 2018
Vejledende besvarelse af hjemmeopgave, efterår 2018 Udleveret 1. oktober, afleveres senest ved øvelserne i uge 44 (30. oktober.-1. november). Der er foretaget en del undersøgelser af krigsveteraner og
Model. (m separate analyser). I vores eksempel er m = 2, n 1 = 13 (13 journalister) og
Model M 0 : X hi N(α h + β h t hi,σ 2 h ), h = 1,...,m, i = 1,...,n h. m separate regressionslinjer. Behandles som i afsnit 3.3. (m separate analyser). I vores eksempel er m = 2, n 1 = 13 (13 journalister)
Vejledende besvarelse af hjemmeopgave, forår 2015
Vejledende besvarelse af hjemmeopgave, forår 2015 En stikprøve bestående af 65 mænd og 65 kvinder er blevet undersøgt med henblik på at se på en evt. sammenhæng mellem kropstemperatur og puls. På hjemmesiden
Vejledende besvarelse af hjemmeopgave, efterår 2017
Vejledende besvarelse af hjemmeopgave, efterår 2017 Udleveret 3. oktober 2017, afleveres senest ved øvelserne i uge 44 (31. okt.-2. nov. 2017) På hjemmesiden http://publicifsv.sund.ku.dk/~lts/basal17_2/hjemmeopgave/hjemmeopgave.txt
Vejledende besvarelse af hjemmeopgave, forår 2016
Vejledende besvarelse af hjemmeopgave, forår 2016 Udleveret 1. marts, afleveres senest ved øvelserne i uge 13 (29. marts-1. april) Denne opgave fokuserer på at beskrive niveauet af hormonet AMH (højt niveau
Opgavebesvarelse vedr. overlevelsesanalyse
Opgavebesvarelse vedr. overlevelsesanalyse Opgaven går ud på at vurdere effekten af azathioprine på overlevelsen hos 216 patienter med primær biliær cirrhose (PBC), ref. Christensen et al. (1985). Data
Basal Statistik - SPSS
Faculty of Health Sciences Basal Statistik - SPSS Regressionsanalyse. Lene Theil Skovgaard 5. februar 2018 1 / 12 APPENDIX med instruktioner til SPSS-analyse svarende til nogle af slides Indlæsning og
Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved
Matematisk Modellering 1 (reeksamen) Side 1 Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved { 1 hvis x {1, 2, 3}, p X (x) = 3 0 ellers,
Introduktion til Regneøvelser med SAS
MPH specialmodul i Epidemiologi og biostatistik Introduktion til Regneøvelser med SAS Forår 2006 Bendix Carstensen Steno Diabetes Center & Biostatistisk afdeling Institut for Folkesundhedsvidenskab Københavns
Opgavebesvarelse, Basalkursus, uge 2
Opgavebesvarelse, Basalkursus, uge 2 Opgave 1. Filen "space.txt" fra hjemmesiden ser således ud: salt pre post 1 71 61 1 65 59 1 52 47 1 68 65......... 0 52 77 0 54 80 0 52 79 Data indlæses i 3 kolonner,
Vejledende besvarelse af hjemmeopgave, forår 2018
Vejledende besvarelse af hjemmeopgave, forår 2018 Udleveret 12. februar, afleveres senest ved øvelserne i uge 10 (6.-9.marts) I forbindelse med reagensglasbehandling blev 100 par randomiseret til to forskellige
Logistisk regression og prædiktion
Faculty of Health Sciences Introduktion Logistisk regression og prædiktion 16. Maj 2012 Julie Forman Biostatistisk Afdeling, Københavns Universitet Hvad er en god diagnostisk model? En model med god overensstemmelse
Besvarelse af opgave om Vital Capacity
Besvarelse af opgave om Vital Capacity I filen cadmium.txt ligger observationer fra et eksempel omhandlende lungefunktionen hos arbejdere i cadmium industrien (hentet fra P. Armitage & G. Berry: Statistical
Statistikøvelse Kandidatstudiet i Folkesundhedsvidenskab 28. September 2004
Statistikøvelse Kandidatstudiet i Folkesundhedsvidenskab 28. September 2004 Formål med Øvelsen: Formålet med øvelsen er at analysere om risikoen for død er forbundet med to forskellige vacciner BCG (mod
Adgangsgivende eksamen (udeladt kategori: Matematisk student med matematik på niveau A)
Økonometri 1 Forår 2003 Ugeseddel 13 Program for øvelserne: Gruppearbejde Opsamling af gruppearbejdet og introduktion af SAS SAS-øvelser i computerkælderen Øvelsesopgave 6: Hvem består første årsprøve
Filen indeholder 45 linier, først en linie med variabelnavnene (bw og rmr) og derefter 44 datalinier, hver med disse to oplysninger.
Opgavebesvarelse, Resting metabolic rate I filen rmr.txt findes sammenhørende værdier af kropsvægt (bw, i kg) og hvilende stofskifte (rmr, kcal pr. døgn) for 44 kvinder (Altman, 1991 og Owen et.al., Am.
Vejledende besvarelse af hjemmeopgave, efterår 2015
Vejledende besvarelse af hjemmeopgave, efterår 2015 Udleveret 29. september, afleveres senest ved øvelserne i uge 44 (27.-30. oktober) En undersøgelse blandt fødende kvinder i Massachusetts (ref.) søger
Log-lineære modeller. Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres.
Log-lineære modeller Analyse af symmetriske sammenhænge mellem kategoriske variable. Ordinal information ignoreres. Kontingenstabel Contingency: mulighed/tilfælde Kontingenstabel: antal observationer (frekvenser)
Kommentarer til øvelser i basalkursus, 2. uge
Kommentarer til øvelser i basalkursus, 2. uge Opgave 2. Vi betragter målinger af hjertevægt (i g) og total kropsvægt (målt i kg) for 10 normale mænd og 11 mænd med hjertesvigt. Målingerne er taget ved
Muligheder: NB: test for µ 1 = µ 2 i model med blocking ækvivalent med parret t-test! Ide: anskue β j som stikprøve fra normalfordeling.
Eksempel: dæktyper og brændstofforbrug (opgave 25 side 319) Program: cars 1 2 3 4 5... radial 4.2 4.7 6.6 7.0 6.7... belt 4.1 4.9 6.2 6.9 6.8... Muligheder: 1. vi starter med at gennemgå opgave 7 side
Eksamen i Statistik for biokemikere. Blok
Københavns Universitet Det Naturvidenskabelige Fakultet Eksamen i Statistik for biokemikere. Blok 2 2006. 3 timers skriftlig prøve. Alle hjælpemidler - også blyant - er tilladt. Opgavesættet er på 6 sider.
Projekt Osiris Fattigdom i Danmark: En socioøkonomisk fattigdomsgrænse Iulian Vlad Serban
Appendikset Om appendikset Appendikset indeholder overordnet fire afsnit: - Teoretisk udledning og definition af modeller, - Supplerende statistiske resultater - Deskriptiv statistik - Udeladte undermodeller
Hypoteser om mere end to stikprøver ANOVA. k stikprøver: (ikke ordinale eller højere) gælder også for k 2! : i j
Hypoteser om mere end to stikprøver ANOVA k stikprøver: (ikke ordinale eller højere) H 0 : 1 2... k gælder også for k 2! H 0ij : i j H 0ij : i j simpelt forslag: k k 1 2 t-tests: i j DUER IKKE! Bonferroni!!
Basal Statistik. Simpel lineær regression. Simpel lineær regression. Data. Faculty of Health Sciences
Faculty of Health Sciences Simpel lineær regression Basal Statistik Regressionsanalyse. Lene Theil Skovgaard 21. februar 2017 Regression og korrelation Simpel lineær regression Todimensionale normalfordelinger
Filen indeholder variablenavne i første linie, og de ligger i rækkefølgen
Opgavebesvarelse, Resting metabolic rate I filen T:\Basalstatistik\rmr.txt findes sammenhørende værdier af kropsvægt (bw, i kg) og hvilende stofskifte (rmr, kcal pr. døgn) for 44 kvinder (Altman, 1991
Basal Statistik - SPSS
Faculty of Health Sciences APPENDIX med instruktioner til SPSS-analyse svarende til nogle af slides Basal Statistik - SPSS Den generelle lineære model. Lene Theil Skovgaard 24. oktober 2017 Biokemisk iltforbrug,
Basal Statistik - SPSS
Faculty of Health Sciences Basal Statistik - SPSS Den generelle lineære model. Lene Theil Skovgaard 26. februar 2018 1 / 28 APPENDIX med instruktioner til SPSS-analyse svarende til nogle af slides Biokemisk
Oversigt. 1 Gennemgående eksempel: Højde og vægt. 2 Korrelation. 3 Regressionsanalyse (kap 11) 4 Mindste kvadraters metode
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Oversigt 1 Gennemgående eksempel: Højde og vægt 2 Korrelation 3 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse
Morten Frydenberg 14. marts 2006
Introduktion til Logistisk Regression Morten Frydenberg, Inst. f. Biostatistik 1 RESUME: 2 2. gang: 2006 Institut for Biostatistik, Århus Universitet MPH 1. studieår Specialmodul 4 Cand. San. uddannelsen
Phd-kursus i Basal Statistik, Opgaver til 2. uge
Phd-kursus i Basal Statistik, Opgaver til 2. uge Opgave 1: Sædkvalitet Filen oeko.txt på hjemmesiden indeholder datamateriale til belysning af forskellen i sædkvalitet mellem SAS-ansatte og mænd, der lever
Basal statistik for lægevidenskabelige forskere, forår 2012 Udleveret 6.marts, afleveres senest ved øvelserne i uge 15 (
Hjemmeopgave Basal statistik for lægevidenskabelige forskere, forår 2012 Udleveret 6.marts, afleveres senest ved øvelserne i uge 15 (10.-12. april) I et randomiseret forsøg sammenlignes vitamin D behandling
Statistik og Sandsynlighedsregning 2. IH kapitel 12. Overheads til forelæsninger, mandag 6. uge
Statistik og Sandsynlighedsregning 2 IH kapitel 12 Overheads til forelæsninger, mandag 6. uge 1 Fordelingen af én (1): Regressionsanalyse udfaldsvariabel responsvariabel afhængig variabel Y variabel 2
Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning
1 Multipel regressions model Eksempel Multipel regressions model Den generelle model Estimation Multipel R-i-anden F-test for effekt af prædiktorer Test for vekselvirkning PSE (I17) ASTA - 11. lektion
Faculty of Health Sciences. Basal Statistik. Logistisk regression mm. Lene Theil Skovgaard. 31. oktober / 112
Faculty of Health Sciences Basal Statistik Logistisk regression mm. Lene Theil Skovgaard 31. oktober 2017 1 / 112 Logistisk regression mm. Modeller for binært outcome Repetition vedrørende tabeller Logistisk
Overlevelse efter AMI. Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Køn og alder betragtes som confoundere.
Overlevelse efter AMI Hvilken betydning har følgende faktorer for risikoen for ikke at overleve: Diabetes VF (Venticular fibrillation) WMI (Wall motion index) CHF (Cardiac Heart Failure) Køn og alder betragtes
Indhold. 2 Tosidet variansanalyse Additive virkninger Vekselvirkning... 9
Indhold 1 Ensidet variansanalyse 2 1.1 Estimation af middelværdier............................... 3 1.2 Estimation af standardafvigelse............................. 3 1.3 F-test for ens middelværdier...............................
Forelæsning 11: Kapitel 11: Regressionsanalyse
Kursus 02402 Introduktion til Statistik Forelæsning 11: Kapitel 11: Regressionsanalyse Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks Tekniske Universitet 2800
Poul Thyregod, 14. marts Specialkursus vid.stat. foraar 2005. side 182
Dagens program: Mandag den 14 marts Eksempler på generaliserede lineære modeller Regressions- og faktormodeller, forskellige responsfordelinger Resume Poisson regression (brug af offset). Data nematod
Basal Statistik for medicinske PhD-studerende November 2008
Logistisk regression Basal Statistik for medicinske PhD-studerende November 2008 Bendix Carstensen Steno Diabetes Center, Gentofte & Biostatististisk afdeling, Københavns Universitet bxc@steno.dk www.biostat.ku.dk/~bxc
Anvendt Statistik Lektion 8. Multipel Lineær Regression
Anvendt Statistik Lektion 8 Multipel Lineær Regression 1 Simpel Lineær Regression (SLR) y Sammenhængen mellem den afhængige variabel (y) og den forklarende variabel (x) beskrives vha. en SLR: ligger ikke